本文作者：王小川 最早發(fā)于知乎

該來(lái)的終于來(lái)了。

一年前AlphaGo發(fā)布，看完論文后我就在知乎上發(fā)文預(yù)測(cè)機(jī)器會(huì)完勝人類(lèi)。好些行業(yè)朋友不相信，為此我收了很多“智商稅”，之后微信發(fā)紅包一直發(fā)到春節(jié)才發(fā)完。此外我還立了兩個(gè)斷言：一個(gè)是Google很有可能再研發(fā)出AlphaGo 2.0，擺脫“監(jiān)督學(xué)習(xí)”，不再需要人類(lèi)下圍棋的歷史數(shù)據(jù)，而是只通過(guò)“增強(qiáng)學(xué)習(xí)”，兩臺(tái)AlphaGo自我對(duì)戰(zhàn)學(xué)習(xí)如何下棋，并達(dá)到登峰造極的地步。從公開(kāi)的資料判斷，此言中了。這意味著什么呢，又有什么看點(diǎn)呢？

技術(shù)重大提升：和1.0原理大不同 更接近于人

AlphaGo 1.0是巧妙地混合了三種算法：蒙特卡洛樹(shù)搜索+監(jiān)督學(xué)習(xí)+增強(qiáng)學(xué)習(xí)。其中蒙特卡洛樹(shù)搜索是一種優(yōu)化過(guò)的暴力計(jì)算，比1997年深藍(lán)的暴力計(jì)算更聰明。而這里的監(jiān)督學(xué)習(xí)，是通過(guò)學(xué)習(xí)3000萬(wàn)步人類(lèi)棋譜，對(duì)六段以上職業(yè)棋手走棋規(guī)律進(jìn)行模仿，也是AlphaGo獲得突破性進(jìn)展的關(guān)鍵算法。而增強(qiáng)學(xué)習(xí)作為輔助，是兩臺(tái)AlphaGo從自我對(duì)戰(zhàn)眾中學(xué)習(xí)如何下棋，據(jù)悉對(duì)棋力提升有限。

根據(jù)公開(kāi)資料推測(cè)，此次AlphaGo2.0的技術(shù)原理與之前有著巨大不同：

1. 放棄了監(jiān)督學(xué)習(xí)，沒(méi)有再用人的3000萬(wàn)局棋譜進(jìn)行訓(xùn)練。這本是AlphaGo最亮眼的算法，也是今天主流機(jī)器學(xué)習(xí)不可避免的核心條件：依賴(lài)于優(yōu)質(zhì)的數(shù)據(jù)，在這個(gè)特定問(wèn)題下就這么被再次突破了。

2. 放棄了蒙特卡洛樹(shù)搜索，不再進(jìn)行暴力計(jì)算。理論上，算法越笨，就越需要暴力計(jì)算做補(bǔ)充。算法越聰明，就可以大大減少暴力計(jì)算。從AlphaGo 2.0的“馬甲”Master的歷史行為看，走棋非常迅速，約在每10秒鐘就走棋一步，如此速度很可能是放棄了暴力的計(jì)算。

3. 極大地強(qiáng)化了增強(qiáng)學(xué)習(xí)的作用，之前敲邊鼓的算法，正式成為扛把子主力。想想看有多勵(lì)志：兩臺(tái)白癡機(jī)器，遵守走棋和獲勝規(guī)則，從隨機(jī)走棋開(kāi)始日夜切磋，總結(jié)經(jīng)驗(yàn)，不斷批評(píng)和自我批評(píng)，一周后終成大器。

在這樣的算法下，AlphaGo 2.0對(duì)計(jì)算資源開(kāi)銷(xiāo)極小，把當(dāng)前棋局輸入神經(jīng)網(wǎng)絡(luò)，電流流過(guò)，輸出就是最佳的走棋方案。我猜測(cè)如此算法下，有可能僅僅依靠一個(gè)GPU工作，每一步棋消耗的能源接近人的大腦。

最大看點(diǎn)： AlphaGo2.0棋風(fēng)完全脫離人類(lèi)經(jīng)驗(yàn)

今年年初，AlphaGo化身Master連勝人類(lèi)頂尖棋手60局。在圍棋領(lǐng)域，機(jī)器完勝已經(jīng)變成公認(rèn)的定論。這導(dǎo)致很多人開(kāi)始問(wèn)：這次人機(jī)大戰(zhàn)還有意義嗎？我們的關(guān)注點(diǎn)不再是機(jī)器是否會(huì)贏——而是機(jī)器將用什么姿勢(shì)戰(zhàn)勝人類(lèi)。

AlphaGo學(xué)習(xí)了3000萬(wàn)步人類(lèi)棋譜，走棋風(fēng)格也近似于人。在比賽現(xiàn)場(chǎng)，偶有AlphaGo走棋和人的經(jīng)驗(yàn)不符合，就被評(píng)為“愚蠢”，只是在中盤(pán)之后發(fā)現(xiàn)機(jī)器漸漸局面占優(yōu)最終獲勝，為了自圓其說(shuō)解讀為“AlphaGo中盤(pán)逆轉(zhuǎn)”，前兩局莫過(guò)如此。第三局開(kāi)始評(píng)論者長(zhǎng)了教訓(xùn)，開(kāi)始尊稱(chēng)AlphaGo為“阿老師”，有了欣賞和敬畏的心態(tài)。這帶給圍棋界很大的沖擊，以前大家認(rèn)為正確的東西，其實(shí)是不正確的?？聺嵲?jīng)評(píng)價(jià)說(shuō)：“AlphaGo出現(xiàn)，很多理論都被推翻，再看以前定式變得好笑，虧那么多目就不再是兩分?！比祟?lèi)通過(guò)數(shù)千年實(shí)戰(zhàn)，總結(jié)了圍棋理論，然后計(jì)算機(jī)告訴人類(lèi)：這些全都是錯(cuò)的?，F(xiàn)在在很多比賽上，人類(lèi)棋手已經(jīng)開(kāi)始向機(jī)器學(xué)習(xí)，模仿AlphaGo的下法，棋圣聶衛(wèi)平也曾表示“理論被顛覆了”。

而AlphaGo2.0脫離了機(jī)器對(duì)人模仿，走棋風(fēng)格也將完全脫離人的定式。在與柯潔的比賽中，會(huì)不斷出現(xiàn)我們意想不到的走棋，而且這些走棋在教科書(shū)中會(huì)被認(rèn)為是低級(jí)錯(cuò)誤或者完全不可理喻，但凡一個(gè)正常的棋手都不會(huì)這么玩，但凡一個(gè)新手這么玩都會(huì)被點(diǎn)撥這樣不對(duì)。而AlphaGo2.0會(huì)不斷制造這樣的局面，關(guān)鍵他還是對(duì)的?？上雽?duì)專(zhuān)業(yè)棋手的心里會(huì)有多大的震撼：不僅自己這一輩子都沒(méi)這么想過(guò)這么下棋，整個(gè)圍棋界都沒(méi)有想過(guò)。會(huì)不會(huì)懷疑自己白活了？會(huì)不會(huì)反思兩千年圍棋的發(fā)展為什么有這樣的瓶頸？還有多少海闊天空等著我們?nèi)ヌ剿?？可等不及我們?nèi)ヌ剿鳎?jì)算機(jī)就給出了終局的答案，多么惆悵。

我們會(huì)津津樂(lè)道，AlphaGo是什么棋風(fēng)。但可以這樣推理：但凡有流派和風(fēng)格，就還有局限性。只有當(dāng)所有流派合一看不出流派的時(shí)候，才到達(dá)致高境界。AlphaGo 2.0便會(huì)是這么一臺(tái)機(jī)器，沒(méi)有風(fēng)格，穩(wěn)如磐石。

可以想見(jiàn)這次與柯潔的對(duì)弈，能頻現(xiàn)“怪招”，完全顛覆人類(lèi)對(duì)圍棋的理解——這會(huì)是比賽最大的看點(diǎn)。英勇的柯潔，要解鎖108種姿勢(shì)來(lái)抵擋了。

2017人機(jī)大戰(zhàn)的意義：重演一部進(jìn)化史 重新認(rèn)識(shí)智慧的邊界

2016年在AlphaGo和李世乭的對(duì)戰(zhàn)后，人工智能進(jìn)入大眾的視野，我們開(kāi)始重新思考機(jī)器和人的關(guān)系。

圍棋已經(jīng)有兩千多年的歷史，在漫長(zhǎng)歲月的琢磨中，圍棋理論不斷進(jìn)化，到達(dá)了很高的水準(zhǔn)，AlphaGo的獲勝，我們大可以解讀于“青出于藍(lán)”，畢竟是在人類(lèi)圍棋進(jìn)化的主路徑上又攀高峰。

而AlphaGo2.0完全拋棄掉人類(lèi)這兩千年來(lái)進(jìn)化的圍棋經(jīng)驗(yàn)，另尋他徑，僅憑兩臺(tái)機(jī)器自我對(duì)弈中學(xué)習(xí)和進(jìn)化，最終不僅趕超了人類(lèi)進(jìn)化的速度，還發(fā)展出一套截然不同的下棋方法，并且更加接近完美的狀態(tài)，實(shí)現(xiàn)了對(duì)人類(lèi)的碾壓，重演了一部圍棋的進(jìn)化史，而且得出了與這兩千年來(lái)不同的進(jìn)化結(jié)果。

這會(huì)給我們什么啟示？如果跳出圍棋的規(guī)則，類(lèi)比看地球生命的進(jìn)化：人類(lèi)是從原始的有機(jī)物，到單細(xì)胞開(kāi)始逐步變成靈長(zhǎng)類(lèi)動(dòng)物，并且發(fā)展出超越其他一切生物的智慧。這條路徑是唯一的么？人類(lèi)的生命形態(tài)和最頂級(jí)的生命形態(tài)還有多大距離？AlphaGo告訴我們：我們還有極大的發(fā)展空間；AlphaGo2.0告訴我們：如果有合適的條件，完全可能有其他的生命進(jìn)化路徑，以及更不一樣的進(jìn)化結(jié)果。

讓我們歡呼人的智慧造就了AlphaGo，這也幫我們開(kāi)了眼界，看到我們離最終的生命形態(tài)和智慧依然有遙遠(yuǎn)的距離。

保持敬畏，堅(jiān)定前行，終得圓滿(mǎn)。